面向边缘计算的深度学习实现与研究

发布时间：2021-11-25 16:29

　　最近这些年,云计算在互联网中扮演了重要的角色,从个人消费产品到工业产品都有云计算作为支撑,云计算的出现让各行各业发生了天翻地覆的变化,在云计算发展的同时,终端设备的复杂性与多样性也在不断地增加,使用传统的云计算来达到低时延与低功耗的目标对于终端设备来说是一个巨大的挑战,边缘计算可以弥补云计算在这些方面的不足。深度学习在终端设备应用也更加频繁,从语音识别到图像识别离不开深度学习,深度学习的网络复杂,计算量大,在终端设备上部署深度学习算法难度较大,边缘计算给在终端设备应用深度学习算法上提供了便利性。本文主要的工作是深入地研究了边缘计算中实现深度学习训练与计算的方法,分析了目前在边缘计算中部署深度学习的意义及挑战,提出了一种基于终端设备接收信号强度（Received Signal Strength Indication,RSSI）降低终端设备功耗的计算卸载方案。本文搭建了一个边缘计算的硬件平台验证此卸载方案的有效性,硬件平台以搭载了4G网卡的树莓派4B作为终端设备,以阿里云服务器模拟边缘服务器,为了更准确的测试终端设备的功耗,本文自研了一款用来分析终端设备功耗的测试设备,终端设备根据RSSI... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

MEC架构

车联网Fig2.2Automotivenetworking

物联网关Fig2.3IoTgateway


本文编号：3518510